1、标准化概述

标准化主要用于对样本数据在不同特征维度进行伸缩变换，目的是使得不同度量之间的特征具有可比性，同时不改变原始数据的分布

一些机器学习算法对输入数据的规模和量纲非常敏感，如果输入数据的特征之间存在数量级差异，可能会影响算法的准确性和性能

标准化处理的好处是我们在进行特征提取时，可以忽略不同特征之间由于噪声所导致的度量差异，而保留样本在各个维度上的信息分布，提高算法的准确性和性能，增加数据的可解释性

标准化的过程如下：

• 计算数据列的算数平均值（mean）
• 计算数据列的标准差/方差（std）
• 对每个数据列分别进行转化：(X-mean)/std

sklearn.preprocessing提供了两种直接对给定数据进行标准化的方式：scale()函数和StandardScaler类，它们之间有什么区别呢？

2、两种标准化的区别

1）scale()函数

python">import numpy as np
from sklearn.preprocessing import scale, StandardScaler

# A、scale(X, axis)函数：axis：用来计算均值和标准差的轴，默认0，对每个特征进行标准化（列），1为对每个样本进行标准化（行）
# 样本数据
X = np.array([[1, -1, 2], [2, 1, 0]])
# 直接标准化处理
X_scaled = scale(X)
print(X_scaled)
'''
[[-1. -1.  1.]
 [ 1.  1. -1.]]
'''
# 处理后数据的均值和方差
print(X_scaled.mean(axis=0))    # [0. 0. 0.]
print(X_scaled.std(axis=0))     # [1. 1. 1.]

2）StandardScaler类

python"># B、StandardScaler类
ss = StandardScaler()
# 标准化处理，如果在训练集上进行标准化，同时可以使用保存在训练集中的参数（均值、方差）对测试集数据进行转化
X_scaled = ss.fit_transform(X)
print(X_scaled)
'''
[[-1. -1.  1.]
 [ 1.  1. -1.]]
'''
# 处理后数据的均值和方差
print(X_scaled.mean())    # 0.0
print(X_scaled.std())     # 1.0
# 使用训练集标准化后的均值和方差对测试集数据进行转换
print(ss.transform([[-1, 2, 0]]))
'''
[[-5.  2. -1.]]
'''

StandardScaler类与scale函数标准化的区别总结如下：

• scale()函数：不能将原数据集（训练集）的均值和方差应用到新的数据集（测试集），如果使用全部样本，标准化计算的结果是训练集和测试集共同的期望和方差
• StandardScaler类：可以将原数据集（训练集）的均值和方差应用到新的数据集（测试集），即假设训练集的期望和测试集的期望是一样的，测试集的标准化是用的训练集的期望和方差

在机器学习中，我们通常是从整体中以抽样的方式抽出训练集，这意味着我们默认这部分训练集可以代替整体，也就是训练集的期望就是整体的期望，测试集标准化时，它的期望采用的正是训练集的期望，所以StandardScaler类才是我们经常用的方式

更多关于StandardScaler类的使用见文章：传送门